Partiële Kleinste Kwadraten Regressie (PLS)
Partiële kleinste kwadraten regressie voorspelt een respons uit vele, vaak sterk collineaire predictoren door deze te projecteren op een kleine set latente componenten — maar, in tegenstelling tot principale componenten regressie, kiest het die componenten om hun covariantie met de respons te maximaliseren, niet alleen de variantie van de predictoren. Deze gesuperviseerde dimensiereductie maakt PLS een essentieel instrument in de chemometrie, spectroscopie en andere 'wide-data' omgevingen waar predictoren het aantal observaties ruimschoots overtreffen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Wold, S., Sjöström, M., & Eriksson, L. (2001). PLS-regression: a basic tool of chemometrics. Chemometrics and Intelligent Laboratory Systems, 58(2), 109–130. DOI: 10.1016/S0169-7439(01)00155-1 ↗
- Geladi, P., & Kowalski, B. R. (1986). Partial least-squares regression: a tutorial. Analytica Chimica Acta, 185, 1–17. DOI: 10.1016/0003-2670(86)80028-9 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Partial Least Squares Regression (PLS). ScholarGate. https://scholargate.app/nl/machine-learning/partial-least-squares
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Meervoudige Lineaire RegressieStatistiek↔ compare
- Principal Components RegressieMachine learning↔ compare
- Ridge-regressieMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →